Prédiction de la localisation de la récidive de la tumeur cérébrale basée sur la fusion via l'apprentissage profond - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Prédiction de la localisation de la récidive de la tumeur cérébrale basée sur la fusion via l'apprentissage profond

Fethi Ghazouani
  • Fonction : Auteur
Tongxue Zhou
  • Fonction : Auteur
Alexandra Noeuveglise
  • Fonction : Auteur
Romain Modzelewski
  • Fonction : Auteur
Equipe Quantification en Imagerie Fonctionnelle
Sébastien Thureau
  • Fonction : Auteur
  • PersonId : 1108045
Equipe Quantification en Imagerie Fonctionnelle
Maxime Fontanilles
  • Fonction : Auteur
Su Ruan
  • Fonction : Auteur
  • PersonId : 921292
Equipe Quantification en Imagerie Fonctionnelle

Domaines

Sciences du Vivant [q-bio]

Céline Breton  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03710367

Soumis le : jeudi 30 juin 2022-15:51:04

Dernière modification le : vendredi 22 décembre 2023-15:16:05

Fichier non déposé

Dates et versions

hal-03710367 , version 1 (30-06-2022)

Identifiants

  • HAL Id : hal-03710367 , version 1

Citer

Fethi Ghazouani, Tongxue Zhou, Alexandra Noeuveglise, Romain Modzelewski, Sébastien Thureau, et al.. Prédiction de la localisation de la récidive de la tumeur cérébrale basée sur la fusion via l'apprentissage profond. RITS 2022 : Recherche en Imagerie et Technologies pour la Santé, SFGBM (Société Française du Génie Biologique et Médical); LaTIM (INSERM, UMR 1101), May 2022, Brest, France. ⟨hal-03710367⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INSA-ROUEN LITIS COMUE-NORMANDIE UNIROUEN UNILEHAVRE INSA-GROUPE
29 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More